Listen
6 Ergebnisse
Filter
Einstellungen
Suchergebnisse
Veröffentlichung Modelling and mapping of atmospheric nitrogen and sulphur deposition and critical loads for ecosystem specific assessment of threats to biodiversity in Germany - PINETI (Pollutant INput and EcosysTem Impact)(Umweltbundesamt, 2014) Wichink Kruit, Roy; Schaap, Martijn; Segers, Arjo; Nederlandse Centrale Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek; Deutschland. Umweltbundesamt; Frommer, Jakob; Geupel, MarkusDie Biodiversität in Europa ist durch den Eintrag von Schwefel- und Stickstoffverbindungen in die Ökosysteme gefährdet. Innerhalb des PINETI Projektes werden daher die atmosphärischen Einträge dieser Schad- und Nährstoffe für Deutschland für die Jahre 2008 und 2009 ermittelt. Die trockenen, nassen und feuchten Einträge von NHx, NOy, SOx und die Einträge der basischen Kationen Ca2+, Mg2+, K+ und Na+ werden berechnet und zur Gesamtdeposition aufsummiert. Anhand der Ergebnisse und den Critical Load werden die Überschreitungen der Critical Load für empfindliche Ökosysteme berechnet.Im Folgenden wird eine Zusammenfassung der verwendeten Methoden und der Projektergebnisse präsentiert. Nach einer kurzen Einleitung werden zunächst die Eingangsdaten zur Ermittlung der atmosphärischen Einträge erläutert. Anschließend werden die Methoden zur Bestimmung der trockenen, nassen und feuchten Deposition jeweils kurz beschrieben. Die erstellten Karten zur Gesamtdeposition werden präsentiert und die Ergebnisse mit den Resultaten des Vorgängerprojektes MAPESI und Ergebnissen des EMEP Modells verglichen. Im Anschluss werden die, innerhalb des Projektes durchgeführten Modellweiterentwicklungen und Modellevaluationen zusammenfassend beschrieben und weitere mögliche Modellentwicklungen benannt und empfohlen. Abschließend wird die Bewertung des Eintrages in Bezug auf Risiken für terrestrische Ökosysteme zusammenfassend dargestellt. Das Prinzip der Critical Load wird kurz erläutert und die zeitlichen Trends der Überschreitungen der Critical Load für Versauerung und für Eutrophierung werden präsentiert.
Quelle: ForschungsberichtVeröffentlichung Modellierung und Kartierung atmosphärischer Stoffeinträge und kritischer Belastungsschwellen zur kontinuierlichen Bewertung der ökosystemspezifischen Gefährdung der Biodiversität in Deutschland - PINETI (Pollutant INput and EcosysTem Impact)(Umweltbundesamt, 2014) Wichink Kruit, Roy; Schaap, Martijn; Segers, Arjo; Nederlandse Centrale Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek; Deutschland. Umweltbundesamt; Frommer, Jakob; Geupel, MarkusDie methodischen Unterschiede zwischen den Projekten MAPESI und PINETI führen zu Unterschieden in der berechneten Gesamtdeposition, welche in dieser Studie innerhalb des PINETI Projektes genauer untersucht wurden.Der Vergleich der Ergebnisse der nassen Deposition aus den Vorhaben MAPESI und PINETI für das Jahr 2007 zeigt, dass die mittleren Frachten für oxidierte Schwefel- und Stickstoffverbindungen gut übereinstimmen, wohingegen für reduzierte Stickstoffverbindungen eine Abweichung von knapp 20% auftritt. Für die nasse Deposition von reaktivem Stickstoff ergibt sich deshalb im Mittel eine systematische Differenz zwischen der PINETI- und der MAPESI-Methodik von 0.9 kg N ha-1 a-1. Kreuzvalidierungen und detailliertere Analysen im Bereich des bayerischen Waldes zeigen, dass die in PINETI weiterentwickelte Methode zu einer besseren Abbildung der räumlichen Verteilung der nassen Deposition führt.
Ein Vergleich der Felder der feuchten Deposition zwischen den Vorhaben PINETI und MAPESI zeigt, dass die räumliche Verteilung gut übereinstimmt, wohingegen die in PINETI ermittelte mittlere Fracht der feuchten Deposition verglichen mit der entsprechenden mittleren Fracht aus MAPESI deutlich kleiner ist.
Zusammenfassend zeigt sich daran anschließend, dass die methodischen Weiterentwicklungen etwa 50 % des Unterschieds zwischen der nassen Deposition für das Jahr 2007 (MAPESI) und der nassen Deposition für das Jahr 2008 (PINETI) ausmachen - der Rest ist auf meteorologische Unterschiede und veränderte Emissionen zurückzuführen.
Quelle: ForschungsberichtVeröffentlichung PINETI-3: Modellierung atmosphärischer Stoffeinträge von 2000 bis 2015 zur Bewertung der ökosystem-spezifischen Gefährdung von Biodiversität durch Luftschadstoffe in Deutschland(2018) Schaap, Martijn; Hendriks, Carlijn; Kranenburg, Richard; Nederlandse Centrale Organisatie voor Toegepast-Naturwetenschappelijk Onderzoek; Öko-Data Gesellschaft für Ökosystemanalyse und Umweltdatenmanagement (Strausberg); Deutschland. Umweltbundesamt; Geupel, MarkusDie Biodiversität ist durch die Ablagerung von Schad- und Nährstoffen aus der Luft in Ökosysteme gefährdet. Innerhalb des vorliegenden Projektes wurden daher die atmosphärischen Einträge dieser Schad- und Nährstoffe für Deutschland für eine Zeitreihe von 2000 bis 2015 ermittelt. Die Stickstoffdeposition ist in diesem Zeitraum um etwa 20 % gesunken. Die Schwefeldeposition konnte sogar halbiert werden. Trotzdem sind die Belastungen für viele der deutschen Ökosysteme immer noch zu hoch. Bei der Versauerung sind noch rund 30 %, bei der Eutrophierung sogar noch 70 % der natürlichen und halb-natürlichen Landökosysteme von zu hohen Einträgen im Vergleich zu ihrer Empfindlichkeit betroffen.Veröffentlichung Impacts of Heavy Metal Emission on Air Quality and Ecosystems across Germany - Sources, Transport, Deposition and potential Hazards(2018) Schaap, Martijn; Hendriks, Carlijn; Jonkers, Sander; Nederlandse Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek; Deutschland. Umweltbundesamt; Schütze, GudrunThe study investigates spatial and temporal trends of airborn deposition of arsenic, cadmium, chromium, copper, lead, mercury, nickel, vanadium and zinc in Germany using modelled and measured data, among these results of bioaccumulation surveys. A risk assessment is provided by comparing the results with environment quality targets and criteria from regulations.Veröffentlichung Untersuchung der Herkunft des grenzüberschreitenden Feinstaubtransportes im Osten Deutschlands mit einem Chemie-Transportmodell(Umweltbundesamt, 2022) Schaap, Martijn; Kranenburg, Richard; Hendriks, Carlijn; Nederlandse Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek; Freie Universität Berlin; Deutschland. Umweltbundesamt; Langner, MarcelÜberschreitungen von Luftqualitätsgrenzwerten von Feinstaub (PM10) im Osten Deutschlands treten meist an Tagen mit kalten und stabilen Wetterlagen im Winter auf und sind oft verbunden mit dem Transport von belasteter Luft aus Polen und anderen osteuropäischen Ländern. Im Rahmen dieses Projekts wurde eine Studie zur Quellzuordnung durchgeführt, um den Beitrag des grenzüberschreitenden Transports aus unterschiedlichen Emissionsquellen an der erhöhten Feinstaubkonzentration im Osten Deutschlands zu bewerten. Die Studie wurde mit dem Chemie-Transportmodell LOTOS-EUROS uns der darin implementierten Labelling-Technik zur Quellzuordnung durchgeführt. Die Ergebnisse wurden mit den PM10-Beobachtungen der PM-Ost-Kampagne und den Ergebnissen der darin durchgeführten messbasierten Quellzuordnung verglichen. Um die Qualität des Modells im Hinblick auf die Simulation von Episoden mit hoher PM Konzentration im Winter zu verbessern, wurden in der ersten Phase des Projekts Verbesserungen der Hausbrand- Emissionen und deren zeitlicher Variabilität vorgenommen. Zusätzlich wurde eine Optimierung der vom meteorologischen Modell COSMO simulierten Mischungsschichthöhen über Sensitivitätsläufe angestrebt. Die Ergebnisse zeigen, dass der Hausbrand und die Landwirtschaft die dominierenden Faktoren für erhöhte PM10-Konzentrationen im Osten Deutschlands bei kalten und stabilen Wetterbedingungen sind. Für städtische Stationen ist auch der Verkehrsbeitrag von Bedeutung. Im Durchschnitt stammt der größte Feinstaubbeitrag aus Deutschland. Bei höheren PM-Konzentrationen allerdings übersteigt der grenzüberschreitende Beitrag Polens und anderer osteuropäischer Länder denjenigen Deutschlands selbst. Die dominierenden Quellen dieses über große Distanzen transportierten Feinstaubs sind Hausbrand und Landwirtschaft. Der Vergleich der modellbasierten Quellzuordnung aus den LOTOS-EUROS-Ergebnissen mit den auf Messungen basierenden Ergebnissen aus dem PM-Ost-Projekt zeigt eine gute Übereinstimmung für Ammoniumnitrat- und Verbrennungsquellen. Für den verkehrsbedingten Beitrag sind größere Unterschiede zu erkennen, die auf die zeitliche Variabilität der Emissionen, die Auflösung des LOTOS-EUROS-Modells, die Unterschätzung der Aufwirbelung und den Reifen- und Bremsenabrieb zurückzuführen sind. Die PM10 Gesamtkonzentrationen aus dem LOTOS-EUROS Mo-dell sind in der Regel niedriger als die gemessenen Werte, was auf nicht erfasste Quellen oder Pro-zesse im Modell zurückgeführt werden kann. Die Korrelation des nicht modellierten PM10 Anteils mit den PMF-Quellen legt nahe, dass neben einer Unterschätzung der vertikalen Mischung, der Ausschluss der SOA-Bildung in LOTOS-EUROS und eine Unterschätzung der Sulfat-Bildung wahrscheinliche Gründe für die PM10-Unterschätzung sind. Quelle: ForschungsberichtVeröffentlichung Weitergehende Untersuchungen zu Auswirkungen des Klimawandels auf die Ozonkonzentration in Deutschland (KliwO)(Umweltbundesamt, 2023) Manders, Astrid; Mohammadi, Sadegh; Schaap, Martijn; Nederlandse Organisatie voor Toegepast-Natuurwetenschappelijk Onderzoek; Deutschland. UmweltbundesamtOzon ist ein Luftschadstoff mit negativen Auswirkungen auf die menschliche Gesundheit und auf die Vegetation. Seit den 1990er Jahre sind die Ozonkonzentrationen in Europa aufgrund von Emissionsreduzierungen zurückgegangen. Der Klimawandel wird jedoch die Bedingungen, die die Ozonbildung begünstigen, verstärken, was zu mehr Überschreitungen der Ozonrichtwerte führen kann. Wir haben den Einsatz von Methoden des Maschinellen Lernens (ML) untersucht, um Beziehungen zwischen jährlichen oder saisonalen Klimakennzahlen und der jährlichen Anzahl von Überschreitungen eines Ozonschwellenwertes für Messstandorte in Deutschland im Zeitraum 1995-2018 herzustellen, wobei Messungen aus den Messnetzen der Bundesländer und des UBAs und COSMO-REA6 meteorologische Daten verwendet wurden. Die Vorhersagewerte (Prädiktand) waren die Anzahl der Tage pro Jahr, an denen der höchste tägliche 8-Stunden-Mittelwert (MDA8) von 120 mikrog/m3 überschritten wurden (Ozonüberschreitungen), und die Anzahl der Episoden (zwei oder mehr aufeinander folgende Tage mit einer Ozonüberschreitung). Als Variablen (Prädiktoren) wurden unterschiedliche Klimakennzahlen (z. B. Anzahl Sommertage/Trockentage/tropische Nächte, Indikatoren zu Windrichtung und relativer Feuchte) und Stationsmerkmale verwendet. Für das Maschinelle Lernen wurde H2O AutoML verwendet. Es wurden getrennte ML-Modelle für normale (weniger als 55 Überschreitungen pro Jahr) und extreme Werte (55 oder mehr Überschreitungen) entwickelt. Für die normalen Werte waren Temperaturindikatoren (Anzahl der tropischen Nächte/Sommertage) neben Informationen über den Breitengrad, die Stationshöhe und die Stationsklassifizierung die einflussreichsten Variablen. Bei den extremen Werten wurden die Auswirkungen von Strahlung, relativer Luftfeuchte und Wind dominanter. Für die normalen Werte war die Güte der ML-Modelle angemessen, für die extremen Werte waren die Ergebnisse jedoch weniger robust. Bei den ML-Modellen handelte es sich um sogenannte "relationship fitting"-Modelle, die auf neue Jahre und Stationen angewendet werden können, aber nicht für Emissionsszenarien. Sie sind weniger gut für die genaue Vorhersage extremer Bedingungen geeignet. Es ist zu empfehlen, die Klimadatensätze monatlich oder saisonal aggregiert statt jährlich aggregiert zu speichern. Es sollte zudem ein Indikator für die relative Luftfeuchtefestgelegt werden, weil diese Variable eine wichtige Rolle in Prozessen im Bereich der Luftqualität spielt. Quelle: Forschungsbericht